一、seaborn

1.はじめに

seabornあなたはmatplotlibのを知っていれば、あなたはSeabornのほとんどをマスターしているでしょう、matplotlibの拡張と拡張したものです。

seabornは、特定のターゲットデータとして可視化しました。

seabornは完全にこの問題を回避しながら、最大の困難とmatplotlibのは、様々なパラメータのデフォルトです。

2.as

import seaborn as sns

3.ウェブサイト

http://seaborn.pydata.org/examples/index.html

http://seaborn.pydata.org/api.html

第二に、データがロードされます

1.自分のデータ

パンダデータフレームをロードします。

2.Seabornサンプルデータセット（snsn.load_dataset（））

2018年9月8日夜1時33分16秒愚かなスパッツは読み込み：2408

我々はGROUPBY、またはピボットテーブルを学んで信じているときに、次のコード行に類似発生する可能性があります：

import seaborn as sns



planets = sns.load_dataset('planets')

そして、あなたは惑星が、データを保存しているから来て、そのデータが最後にある見つけることができますか？

私たちは、ドキュメント文字列をload_dataset見て：

In [54]: sns.load_dataset??



Signature: sns.load_dataset(name, cache=True, data_home=None, **kws)



Source:



def load_dataset(name, cache=True, data_home=None, **kws):



    """Load a dataset from the online repository (requires internet).







    Parameters



    ----------



    name : str



        Name of the dataset (`name`.csv on



        https://github.com/mwaskom/seaborn-data).  You can obtain list of



        available datasets using :func:`get_dataset_names`



    cache : boolean, optional



        If True, then cache data locally and use the cache on subsequent calls



    data_home : string, optional



        The directory in which to cache data. By default, uses ~/seaborn-data/



    kws : dict, optional



        Passed to pandas.read_csv







    """

私たちは、（インターネットが必要です）ドキュメンテーション文字列の最初の行は、オンラインリポジトリからのデータセットをロードすることです。この機能を示して見ることができます。

URL：https://github.com/mwaskom/seaborn-data

sns.heatmap（）

四角=トゥーレは、ボックスを余儀なくさが、データが長すぎるが一緒に群がり寄るます

四角=偽、自動的に複数の矩形データの長さを調整する、密集しません

参考：

https://www.jianshu.com/p/5ff47c7d0cc9

seabornライブラリのPythonライブラリ

記事のディレクトリ